Jina AI 통합 - AIHubMix

설명

Jina AI의 다섯 가지 핵심 인터페이스를 통합하여 강력한 지능형 에이전트를 쉽게 구축할 수 있도록 지원합니다. 이러한 인터페이스는 주로 다음과 같은 시나리오에 적합합니다:

벡터 임베딩 (Embeddings): 스마트 고객 서비스, 스마트 채용, 지식 기반 질의응답과 같은 다중 모드 RAG 질의응답 시나리오에 적용 가능합니다.
재순위 (Rerank): 임베딩 후보 결과를 최적화하고 주제 관련성을 기반으로 정렬하여 대규모 언어 모델의 답변 품질을 크게 향상시킵니다.
딥 서치 (DeepSearch): 최적의 답변을 찾을 때까지 심층 검색 및 추론을 수행하며, 특히 연구 프로젝트 및 제품 솔루션 개발과 같은 복잡한 작업에 적합합니다.
웹 검색 (Search): 쿼리를 전달하면 검색 결과 페이지(SERP)의 깔끔한 본문을 반환하며, 웹 연결 Q&A 및 RAG를 위해 바로 LLM에 입력할 수 있습니다.
웹 리더 (Reader): 임의의 URL을 전달하면 변환된 깔끔한 markdown 본문을 반환하며, 웹 콘텐츠를 가져와 LLM에 입력하기에 적합합니다.

Jina AI API를 향후 확장을 지원하도록 개선했으므로 사용법이 공식 네이티브 구현과 약간 다를 수 있습니다.

빠른 시작

API_KEY를 AIHUBMIX_API_KEY와 모델 엔드포인트 링크로 교체하면 다른 매개변수와 사용법은 Jina AI 공식과 완전히 일치합니다. 엔드포인트 교체:

벡터 임베딩 (Embeddings): https://jina.ai/embeddings -> https://aihubmix.com/v1/embeddings
재순위 (Rerank): https://api.jina.ai/v1/rerank -> https://aihubmix.com/v1/rerank
딥 서치 (DeepSearch): https://deepsearch.jina.ai/v1/chat/completions -> https://aihubmix.com/v1/chat/completions
웹 검색 (Search): https://s.jina.ai/?q= -> https://aihubmix.com/v1/jina/search?q=
웹 리더 (Reader): https://r.jina.ai/<url> -> https://aihubmix.com/v1/jina/reader/<url>
현재 기본 API 주소를 사용할 수 없는 경우, 이 설정의 도메인을 백업 주소 https://api.inferera.com으로 바꾸고 경로는 그대로 유지하세요.

임베딩

Jina AI의 임베딩은 일반 텍스트와 다중 모드 이미지를 모두 지원하며 다국어 작업 처리에서 뛰어난 성능을 발휘합니다.

요청 매개변수

string

필수

모델 이름, 사용 가능한 모델 목록:

jina-clip-v2: 다중 모드, 다국어, 1024차원, 8K 컨텍스트 창, 8억 6,500만 매개변수
jina-embeddings-v3: 텍스트 모델, 다국어, 1024차원, 8K 컨텍스트 창, 5억 7,000만 매개변수
jina-colbert-v2: 다국어 ColBERT 모델, 8K 토큰 컨텍스트, 5억 6,000만 매개변수, 임베딩 및 재순위에 사용
jina-embeddings-v2-base-code: 코드 및 문서 검색에 최적화된 모델, 768차원, 8K 컨텍스트 창, 1억 3,700만 매개변수

array

필수

입력 텍스트 또는 이미지, 다른 모델은 다른 입력 형식을 지원합니다. 텍스트의 경우 문자열 배열을 제공하고, 다중 모드 모델의 경우 텍스트 또는 이미지 필드가 포함된 객체 배열을 제공합니다.

string

기본값:"float"

반환되는 데이터 유형, 선택적 값:

float: 기본값, float 배열을 반환합니다. 가장 일반적이고 사용하기 쉬운 형식으로 float 목록을 반환합니다.
binary_int8: int8 압축 이진 형식으로 반환합니다. 더 효율적인 저장, 검색 및 전송
binary_uint8: uint8 압축 이진 형식으로 반환합니다. 더 효율적인 저장, 검색 및 전송
base64: base64 인코딩된 문자열로 반환합니다. 더 효율적인 전송

integer

기본값:"1024"

계산에 사용되는 차원 수. 지원되는 값:

1024
768

1. 다중 모드 사용법

curl https://aihubmix.com/v1/embeddings \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-***" \
  -d @- <<EOFEOF
  {
    "model": "jina-clip-v2",
    "input": [
        {
            "text": "A beautiful sunset over the beach"
        },
        {
            "text": "Un beau coucher de soleil sur la plage"
        },
        {
            "text": "海滩上美丽的日落"
        },
        {
            "text": "浜辺に沈む美しい夕日"
        },
        {
            "image": "https://i.ibb.co/nQNGqL0/beach1.jpg"
        },
        {
            "image": "https://i.ibb.co/r5w8hG8/beach2.jpg"
        },
        {
            "image": "R0lGODlhEAAQAMQAAORHHOVSKudfOulrSOp3WOyDZu6QdvCchPGolfO0o/XBs/fNwfjZ0frl3/zy7////wAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAACH5BAkAABAALAAAAAAQABAAAAVVICSOZGlCQAosJ6mu7fiyZeKqNKToQGDsM8hBADgUXoGAiqhSvp5QAnQKGIgUhwFUYLCVDFCrKUE1lBavAViFIDlTImbKC5Gm2hB0SlBCBMQiB0UjIQA7"
        }
    ]
  }
EOFEOF

import requests
import json

url = 'https://aihubmix.com/v1/embeddings'
headers = {
    'Content-Type': 'application/json',
    'Authorization': 'Bearer sk-***' # AiHubMix 키로 교체
}

data = {
    "model": "jina-clip-v2",
    "input": [
        {
            "text": "A beautiful sunset over the beach"
        },
        {
            "text": "Un beau coucher de soleil sur la plage"
        },
        {
            "text": "海滩上美丽的日落"
        },
        {
            "text": "浜辺に沈む美しい夕日"
        },
        {
            "image": "https://i.ibb.co/nQNGqL0/beach1.jpg"
        },
        {
            "image": "https://i.ibb.co/r5w8hG8/beach2.jpg"
        },
        {
            "image": "R0lGODlhEAAQAMQAAORHHOVSKudfOulrSOp3WOyDZu6QdvCchPGolfO0o/XBs/fNwfjZ0frl3/zy7////wAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAACH5BAkAABAALAAAAAAQABAAAAVVICSOZGlCQAosJ6mu7fiyZeKqNKToQGDsM8hBADgUXoGAiqhSvp5QAnQKGIgUhwFUYLCVDFCrKUE1lBavAViFIDlTImbKC5Gm2hB0SlBCBMQiB0UjIQA7"
        }
    ]
}

response = requests.post(url, headers=headers, data=json.dumps(data))

print(response.json())

import fetch from 'node-fetch';

const url = 'https://aihubmix.com/v1/embeddings';
const headers = {
  'Content-Type': 'application/json',
  'Authorization': 'Bearer sk-***' // AiHubMix 키로 교체
};
const data = {
  "model": "jina-clip-v2",
  "input": [
    {
      "text": "A beautiful sunset over the beach"
    },
    {
      "text": "Un beau coucher de soleil sur la plage"
    },
    {
      "text": "海滩上美丽的日落"
    },
    {
      "text": "浜辺に沈む美しい夕日"
    },
    {
      "image": "https://i.ibb.co/nQNGqL0/beach1.jpg"
    },
    {
      "image": "https://i.ibb.co/r5w8hG8/beach2.jpg"
    },
    {
      "image": "R0lGODlhEAAQAMQAAORHHOVSKudfOulrSOp3WOyDZu6QdvCchPGolfO0o/XBs/fNwfjZ0frl3/zy7////wAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAACH5BAkAABAALAAAAAAQABAAAAVVICSOZGlCQAosJ6mu7fiyZeKqNKToQGDsM8hBADgUXoGAiqhSvp5QAnQKGIgUhwFUYLCVDFCrKUE1lBavAViFIDlTImbKC5Gm2hB0SlBCBMQiB0UjIQA7"
    }
  ]
};

fetch(url, {
  method: 'POST',
  headers: headers,
  body: JSON.stringify(data)
})
  .then(response => response.json())
  .then(data => console.log(data))
  .catch(err => console.error(err));

2. 순수 텍스트 사용법

텍스트 문자열 배열만 제공하고 image 필드는 제공하지 마십시오.

curl https://aihubmix.com/v1/rerank \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-***" \
  -d @- <<EOFEOF
  {
    "model": "jina-embeddings-v3",
    "input": [
        "A beautiful sunset over the beach",
        "Un beau coucher de soleil sur la plage",
        "海滩上美丽的日落",
        "浜辺に沈む美しい夕日"
    ]
  }
EOFEOF

import requests

url = 'https://aihubmix.com/v1/embeddings'
headers = {
    'Content-Type': 'application/json',
    'Authorization': 'Bearer sk-***' # AiHubMix 키로 교체
}
data = {
    'model': 'jina-embeddings-v3',
    'input': [
        'A beautiful sunset over the beach',
        'Un beau coucher de soleil sur la plage',
        '海滩上美丽的日落',
        '浜辺に沈む美しい夕日'
    ]
}

response = requests.post(url, headers=headers, json=data)

print(response.json())

import * as https from 'https';

const options = {
  hostname: 'aihubmix.com',
  path: '/v1/embeddings',   
  method: 'POST',
  headers: {
    'Content-Type': 'application/json',
    'Authorization': 'Bearer sk-***' # AiHubMix 키로 교체
  }
};

const data = JSON.stringify({
  "model": "jina-embeddings-v3",
  "input": [
    "A beautiful sunset over the beach",
    "Un beau coucher de soleil sur la plage",
    "海滩上美丽的日落",
    "浜辺に沈む美しい夕日"
  ]
});

const req = https.request(options, res => {
  let responseData = '';
  res.on('data', chunk => {
    responseData += chunk;
  });
  res.on('end', () => {
    console.log(responseData);
  });
});

req.write(data);
req.end();

재순위

재순위기는 검색 관련성 및 RAG 정확도를 향상시키는 것을 목표로 합니다. 초기 검색 결과를 심층 분석하고 쿼리와 문서 내용 간의 미묘한 상호 작용을 고려하여 검색 결과를 재정렬하여 가장 관련성 높은 결과를 맨 위에 배치합니다.

요청 매개변수

string

필수

모델 이름, 사용 가능한 모델 목록:

jina-reranker-m0: 다중 모드 다국어 문서 재순위기, 10K 컨텍스트, 24억 매개변수, 시각적 문서 정렬용

string

필수

검색 쿼리 텍스트, 후보 문서와 비교하는 데 사용됩니다.

integer

반환할 가장 관련성 높은 문서의 수. 기본값은 모든 문서를 반환합니다.

array

필수

후보 문서 배열, 쿼리와의 관련성을 기반으로 재정렬됩니다.

integer

기본값:"4096"

문서당 최대 청크 길이, Cohere에만 적용됩니다(Jina에서는 지원되지 않음). 기본값은 4096입니다.
긴 문서는 지정된 토큰 수로 자동 잘립니다.

1. 다중 모드 사용법

curl https://aihubmix.com/v1/rerank \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-***" \
  -d @- <<EOFEOF
  {
    "model": "jina-reranker-m0",
    "query": "small language model data extraction",
    "documents": [
        {
            "image": "https://raw.githubusercontent.com/jina-ai/multimodal-reranker-test/main/handelsblatt-preview.png"
        },
        {
            "image": "https://raw.githubusercontent.com/jina-ai/multimodal-reranker-test/main/paper-11.png"
        },
        {
            "image": "https://raw.githubusercontent.com/jina-ai/multimodal-reranker-test/main/wired-preview.png"
        },
        {
            "text": "We present ReaderLM-v2, a compact 1.5 billion parameter language model designed for efficient web content extraction. Our model processes documents up to 512K tokens, transforming messy HTML into clean Markdown or JSON formats with high accuracy -- making it an ideal tool for grounding large language models. The models effectiveness results from two key innovations: (1) a three-stage data synthesis pipeline that generates high quality, diverse training data by iteratively drafting, refining, and critiquing web content extraction; and (2) a unified training framework combining continuous pre-training with multi-objective optimization. Intensive evaluation demonstrates that ReaderLM-v2 outperforms GPT-4o-2024-08-06 and other larger models by 15-20% on carefully curated benchmarks, particularly excelling at documents exceeding 100K tokens, while maintaining significantly lower computational requirements."
        },
        {
            "image": "https://jina.ai/blog-banner/using-deepseek-r1-reasoning-model-in-deepsearch.webp"
        },
        {
            "text": "Data extraction? Why not just use regular expressions—wouldn't regex solve it all?"
        },
        {
            "text": "During the California Gold Rush, some merchants made more money selling supplies to miners than the miners made finding gold."
        },
        {
            "text": "Die wichtigsten Beiträge unserer Arbeit sind zweifach: Erstens führen wir eine neuartige dreistufige Datensynthese-Pipeline namens Draft-Refine-Critique ein, die durch iterative Verfeinerung hochwertige Trainingsdaten generiert; und zweitens schlagen wir eine umfassende Trainingsstrategie vor, die kontinuierliches Vortraining zur Längenerweiterung, überwachtes Feintuning mit spezialisierten Kontrollpunkten, direkte Präferenzoptimierung (DPO) und iteratives Self-Play-Tuning kombiniert. Um die weitere Forschung und Anwendung der strukturierten Inhaltsextraktion zu erleichtern, ist das Modell auf Hugging Face öffentlich verfügbar."
        },
        {
            "image": "iVBORw0KGgoAAAANSUhEUgAAAMwAAADACAMAAAB/Pny7AAAA7VBMVEX///8AAABONC780K49Wv5gfYu8vLwiIiIAvNRHLypceJ5hfoc4Vf//1bL8/PxSbsCCgoLk5OQpKSlOQDXctpgZEA9AXv8SG0sGCRorHRocKnY4U+sKDQ7rwqISGBssOkE+Pj5fX19MY29ZdIF1YFGHcF68m4EjLTKSkpInOqIcJSndzbU9UFlcv87DyrvrzrF1wcpOTk6jo6OixsE7MCg4JSHLy8skNZLNqo4EBQ9kU0VZSj0uJh93d3cyMjKihnBvamZca3KoqbI8R5YaLI41R3omM1lNZ7EAAEEbIy46TGcwPk8jEQyIw8eZjobFTeMIAAAFHUlEQVR4nO3da0PaOhwG8CGOHqYwKqBjFKQ6sJt63Biy6Siw+/18/48zSP7FhqU5XNr04vP4igRCfmsX2jSFBw+2TTm0bN2V7ePkQooTt2SWvhGOxejHLZml3w4H0wYm5ACTWExIA0A8GNN+5c/YYn2pF7dNh7dX0YvpyP5hG8WdLdPgDdnAAANM6jD1dGMa10K2tXiYTp9HzxmBh9l6U8gxlI4JDDDAABNRyibLsFNnCRtzzZutc8x4yN8tqhG6cGDNQ4qwLV6KtGnYe1kHhagwRkif9StheAxggAEGmJRidmiyhj5vDjosoc+qa8JQ6sIWCn0CSiumCAwwwNxfzA5N+tQzgaE0gAEGGGBCU5hDFmfUYNFpCR/jjFkGWjdJVJgKb1DvJgEGGGCAiQXjzeEXpaVi6GJuUVrppRgrRnZ4cJ2TpeFhpLU5oaFYMEU5xgIGGGDuDybXEMMLB5Meyy11VKgcUSVlwkstek7oszPrYKS5bZVYurLKwduSPzVpCwnCvKuV8vMEYfJ3AQaYLGBc3uCvjTHVBGEKlXmcqWoBoxxT7bJMWry/va4kk5qIoeJRRBi6japg5IJXAMkx3RbLoqstWfJieGGtGhGGopwEDMDkS/mNUmolEbNpgAEmuxi+OoTmAKxB1Z8Jde2KR97vK1ktYSy6RUjTchNxaeWoV/OHht3z35fzvPxXannNKi/FSsIYfb5UM/Tlp3KMuOh1UBOO52lgPr/8h0WOeckrX0sxelc1/YWR9BcYYO43ZkeBGaUM482biHNB72hypZUujBcR86wlDMapx8h6CgwwwGQTQ3M12cCIVytSjskBAwww/4ORXqBMKWZo80hNSszVb9mchbIyaox3B+14bUz+6pxFPtd0LquMGkORf+2EGrN+gAEGmIRijANf2qnGlIcFf1wrVIx3gfbZSAtmKfRlbeFhhL1XN6YNDDDRY7L0f8ZZDM3B07MB/ZZmae2MXszQYStr/lNNnMstrZ4stKzRqPAMtWI8Ez8ukF/SCNihxLU+YjR9vZESI7/YFIAZAAMMMMuLGlRRYsZxYkyXzdxMxeUmyvSmdnCmcWJo6sZ0qyvHNVVJwJfRl23FrrMUOwH9Vcacro6JdU9aJcAkNaa9OsZOOqbssrvtO3T1oz4a+DKi5YJGhz3JTfoAQFM3Q9rbbsXDe7qzaUpPSjrGC52ydcXPfLqxIQk/AbJOPIx4OAZM/AEmqcniACAfmlOKkQeYGANMUgNMjFFORzjts8C0HeVLY8HYwkVnMcbJQ0VOVK/U+ysnC4xqT7pQYS5UrwQGGGASjaHfJbVz7XlokaPV9sdSj2ZLT/a3MMPo/N1Ts+KyS6fvT1iOeV/OToScqjCn4nPPuOWYP3rPGncrmn6yhdZoUn8vOOZY2X0l7ZhjaM885a1ruj7jrTeLFqP5x3SAASaS8CFzhrmZJToMa32GiXSENvk6xg8fP72Z5dNjns83rC9fvj7eMF+/sAZuPtNj3vrHD/zdotpABb4DfGresuzuz7P7/Akrfdrkj9fObvMpa+DJc2qQt978xt8t4ltOjpq7vhzeYTbMAnMolB6x0qjvnwEGGGCAAQYYYIABJjmY... [truncated]"
        }
    ]
  }
EOFEOF

import requests

url = 'https://aihubmix.com/v1/rerank'
headers = {
    'Content-Type': 'application/json',
    'Authorization': 'Bearer sk-***' # AiHubMix 키로 교체
}
data = {
    "model": "jina-reranker-m0",
    "query": "small language model data extraction",
    "documents": [
        {
            "image": "https://raw.githubusercontent.com/jina-ai/multimodal-reranker-test/main/handelsblatt-preview.png"
        },
        {
            "image": "https://raw.githubusercontent.com/jina-ai/multimodal-reranker-test/main/paper-11.png"
        },
        {
            "image": "https://raw.githubusercontent.com/jina-ai/multimodal-reranker-test/main/wired-preview.png"
        },
        {
            "text": "We present ReaderLM-v2, a compact 1.5 billion parameter language model designed for efficient web content extraction. Our model processes documents up to 512K tokens, transforming messy HTML into clean Markdown or JSON formats with high accuracy -- making it an ideal tool for grounding large language models. The models effectiveness results from two key innovations: (1) a three-stage data synthesis pipeline that generates high quality, diverse training data by iteratively drafting, refining, and critiquing web content extraction; and (2) a unified training framework combining continuous pre-training with multi-objective optimization. Intensive evaluation demonstrates that ReaderLM-v2 outperforms GPT-4o-2024-08-06 and other larger models by 15-20% on carefully curated benchmarks, particularly excelling at documents exceeding 100K tokens, while maintaining significantly lower computational requirements."
        },
        {
            "image": "https://jina.ai/blog-banner/using-deepseek-r1-reasoning-model-in-deepsearch.webp"
        },
        {
            "text": "Data extraction? Why not just use regular expressions—wouldn't regex solve it all?"
        },
        {
            "text": "During the California Gold Rush, some merchants made more money selling supplies to miners than the miners made finding gold."
        },
        {
            "text": "Die wichtigsten Beiträge unserer Arbeit sind zweifach: Erstens führen wir eine neuartige dreistufige Datensynthese-Pipeline namens Draft-Refine-Critique ein, die durch iterative Verfeinerung hochwertige Trainingsdaten generiert; und zweitens schlagen wir eine umfassende Trainingsstrategie vor, die kontinuierliches Vortraining zur Längenerweiterung, überwachtes Feintuning mit spezialisierten Kontrollpunkten, direkte Präferenzoptimierung (DPO) und iteratives Self-Play-Tuning kombiniert. Um die weitere Forschung und Anwendung der strukturierten Inhaltsextraktion zu erleichtern, ist das Modell auf Hugging Face öffentlich verfügbar."
        },
        {
            "image": "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... [truncated]"
        }
    ]
}

response = requests.post(url, headers=headers, json=data)

print(response.json())

import fetch from 'node-fetch';

const url = 'https://aihubmix.com/v1/rerank';

const options = {
  method: 'POST',
  headers: {
    'Content-Type': 'application/json',
    'Authorization': 'Bearer sk-***' // AiHubMix 키로 교체
  },
  body: JSON.stringify({
    model: 'jina-reranker-m0',
    query: 'small language model data extraction',
    documents: [
      {
        image: 'https://raw.githubusercontent.com/jina-ai/multimodal-reranker-test/main/handelsblatt-preview.png'
      },
      {
        image: 'https://raw.githubusercontent.com/jina-ai/multimodal-reranker-test/main/paper-11.png'
      },
      {
        image: 'https://raw.githubusercontent.com/jina-ai/multimodal-reranker-test/main/wired-preview.png'
      },
      {
        text: 'We present ReaderLM-v2, a compact 1.5 billion parameter language model designed for efficient web content extraction. Our model processes documents up to 512K tokens, transforming messy HTML into clean Markdown or JSON formats with high accuracy -- making it an ideal tool for grounding large language models. The models effectiveness results from two key innovations: (1) a three-stage data synthesis pipeline that generates high quality, diverse training data by iteratively drafting, refining, and critiquing web content extraction; and (2) a unified training framework combining continuous pre-training with multi-objective optimization. Intensive evaluation demonstrates that ReaderLM-v2 outperforms GPT-4o-2024-08-06 and other larger models by 15-20% on carefully curated benchmarks, particularly excelling at documents exceeding 100K tokens, while maintaining significantly lower computational requirements.'
      },
      {
        image: 'https://jina.ai/blog-banner/using-deepseek-r1-reasoning-model-in-deepsearch.webp'
      },
      {
        text: 'Data extraction? Why not just use regular expressions—wouldn\'t regex solve it all?'
      },
      {
        text: 'During the California Gold Rush, some merchants made more money selling supplies to miners than the miners made finding gold.'
      },
      {
        text: 'Die wichtigsten Beiträge unserer Arbeit sind zweifach: Erstens führen wir eine neuartige dreistufige Datensynthese-Pipeline namens Draft-Refine-Critique ein, die durch iterative Verfeinerung hochwertige Trainingsdaten generiert; und zweitens schlagen wir eine umfassende Trainingsstrategie vor, die kontinuierliches Vortraining zur Längenerweiterung, überwachtes Feintuning mit spezialisierten Kontrollpunkten, direkte Präferenzoptimierung (DPO) und iteratives Self-Play-Tuning kombiniert. Um die weitere Forschung und Anwendung der strukturierten Inhaltsextraktion zu erleichtern, ist das Modell auf Hugging Face öffentlich verfügbar.'
      },
      {
        image: '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... [truncated]"
      }
    ]
  })
};

fetch(url, options)
  .then(response => response.json())
  .then(data => console.log(data))
  .catch(error => console.error('Error:', error));

응답 설명

{
  "model": "jina-reranker-m0",
  "results": [
    {
      "index": 1,
      "relevance_score": 0.8814517277012487
    },
    {
      "index": 3,
      "relevance_score": 0.7756727858283531
    },
    {
      "index": 7,
      "relevance_score": 0.6128658982982312
    }
  ],
  "usage": {
    "total_tokens": 2894
  }
}

응답 성공:

model: 사용된 모델의 이름
results: 관련성 점수를 기준으로 내림차순으로 정렬된 재순위 결과 배열, 각 요소에는 다음이 포함됩니다:
- index: 원본 문서 배열의 인덱스 위치
- relevance_score: 0-1 사이의 관련성 점수, 점수가 높을수록 쿼리와의 관련성이 높음을 나타냅니다.
usage: 사용 통계
- total_tokens: 이 요청에서 처리된 총 토큰 수

2. 텍스트 사용법

텍스트 재순위는 임베딩 사용법과 유사하게 배열을 전달하여 다국어 및 일반 작업을 모두 지원합니다.

curl https://aihubmix.com/v1/rerank \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-***" \
  -d @- <<EOFEOF
  {
    "model": "jina-reranker-v2-base-multilingual",
    "query": "Organic skincare products for sensitive skin",
    "top_n": 3,
    "documents": [
        "Organic skincare for sensitive skin with aloe vera and chamomile: Imagine the soothing embrace of nature with our organic skincare range, crafted specifically for sensitive skin. Infused with the calming properties of aloe vera and chamomile, each product provides gentle nourishment and protection. Say goodbye to irritation and hello to a glowing, healthy complexion.",
        "New makeup trends focus on bold colors and innovative techniques: Step into the world of cutting-edge beauty with this seasons makeup trends. Bold, vibrant colors and groundbreaking techniques are redefining the art of makeup. From neon eyeliners to holographic highlighters, unleash your creativity and make a statement with every look.",
        "Bio-Hautpflege für empfindliche Haut mit Aloe Vera und Kamille: Erleben Sie die wohltuende Wirkung unserer Bio-Hautpflege, speziell für empfindliche Haut entwickelt. Mit den beruhigenden Eigenschaften von Aloe Vera und Kamille pflegen und schützen unsere Produkte Ihre Haut auf natürliche Weise. Verabschieden Sie sich von Hautirritationen und genießen Sie einen strahlenden Teint.",
        "Neue Make-up-Trends setzen auf kräftige Farben und innovative Techniken: Tauchen Sie ein in die Welt der modernen Schönheit mit den neuesten Make-up-Trends. Kräftige, lebendige Farben und innovative Techniken setzen neue Maßstäbe. Von auffälligen Eyelinern bis hin zu holografischen Highlightern – lassen Sie Ihrer Kreativität freien Lauf und setzen Sie jedes Mal ein Statement.",
        "Cuidado de la piel orgánico para piel sensible con aloe vera y manzanilla: Descubre el poder de la naturaleza con nuestra línea de cuidado de la piel orgánico, diseñada especialmente para pieles sensibles. Enriquecidos con aloe vera y manzanilla, estos productos ofrecen una hidratación y protección suave. Despídete de las irritaciones y saluda a una piel radiante y saludable.",
        "Las nuevas tendencias de maquillaje se centran en colores vivos y técnicas innovadoras: Entra en el fascinante mundo del maquillaje con las tendencias más actuales. Colores vivos y técnicas innovadoras están revolucionando el arte del maquillaje. Desde delineadores neón hasta iluminadores holográficos, desata tu creatividad y destaca en cada look.",
        "针对敏感肌专门设计的天然有机护肤产品：体验由芦荟和洋甘菊提取物带来的自然呵护。我们的护肤产品特别为敏感肌设计，温和滋润，保护您的肌肤不受刺激。让您的肌肤告别不适，迎来健康光彩。",
        "新的化妆趋势注重鲜艳的颜色和创新的技巧：进入化妆艺术的新纪元，本季的化妆趋势以大胆的颜色和创新的技巧为主。无论是霓虹眼线还是全息高光，每一款妆容都能让您脱颖而出，展现独特魅力。",
        "敏感肌のために特別に設計された天然有機スキンケア製品: アロエベラとカモミールのやさしい力で、自然の抱擁を感じてください。敏感肌用に特別に設計された私たちのスキンケア製品は、肌に優しく栄養を与え、保護します。肌トラブルにさようなら、輝く健康な肌にこんにちは。",
        "新しいメイクのトレンドは鮮やかな色と革新的な技術に焦点を当てています: 今シーズンのメイクアップトレンドは、大胆な色彩と革新的な技術に注目しています。ネオンアイライナーからホログラフィックハイライターまで、クリエイティビティを解き放ち、毎回ユニークなルックを演出しましょう。"
    ]
  }
EOFEOF

import requests

url = 'https://aihubmix.com/v1/rerank'
headers = {
    'Content-Type': 'application/json',
    'Authorization': 'Bearer sk-***' # AiHubMix 키로 교체
}
data = {
    "model": "jina-reranker-v2-base-multilingual",
    "query": "Organic skincare products for sensitive skin",
    "top_n": 3,
    "documents": [
        "Organic skincare for sensitive skin with aloe vera and chamomile: Imagine the soothing embrace of nature with our organic skincare range, crafted specifically for sensitive skin. Infused with the calming properties of aloe vera and chamomile, each product provides gentle nourishment and protection. Say goodbye to irritation and hello to a glowing, healthy complexion.",
        "New makeup trends focus on bold colors and innovative techniques: Step into the world of cutting-edge beauty with this seasons makeup trends. Bold, vibrant colors and groundbreaking techniques are redefining the art of makeup. From neon eyeliners to holographic highlighters, unleash your creativity and make a statement with every look.",
        "Bio-Hautpflege für empfindliche Haut mit Aloe Vera und Kamille: Erleben Sie die wohltuende Wirkung unserer Bio-Hautpflege, speziell für empfindliche Haut entwickelt. Mit den beruhigenden Eigenschaften von Aloe Vera und Kamille pflegen und schützen unsere Produkte Ihre Haut auf natürliche Weise. Verabschieden Sie sich von Hautirritationen und genießen Sie einen strahlenden Teint.",
        "Neue Make-up-Trends setzen auf kräftige Farben und innovative Techniken: Tauchen Sie ein in die Welt der modernen Schönheit mit den neuesten Make-up-Trends. Kräftige, lebendige Farben und innovative Techniken setzen neue Maßstäbe. Von auffälligen Eyelinern bis hin zu holografischen Highlightern – lassen Sie Ihrer Kreativität freien Lauf und setzen Sie jedes Mal ein Statement.",
        "Cuidado de la piel orgánico para piel sensible con aloe vera y manzanilla: Descubre el poder de la naturaleza con nuestra línea de cuidado de la piel orgánico, diseñada especialmente para pieles sensibles. Enriquecidos con aloe vera y manzanilla, estos productos ofrecen una hidratación y protección suave. Despídete de las irritaciones y saluda a una piel radiante y saludable.",
        "Las nuevas tendencias de maquillaje se centran en colores vivos y técnicas innovadoras: Entra en el fascinante mundo del maquillaje con las tendencias más actuales. Colores vivos y técnicas innovadoras están revolucionando el arte del maquillaje. Desde delineadores neón hasta iluminadores holográficos, desata tu creatividad y destaca en cada look.",
        "针对敏感肌专门设计的天然有机护肤产品：体验由芦荟和洋甘菊提取物带来的自然呵护。我们的护肤产品特别为敏感肌设计，温和滋润，保护您的肌肤不受刺激。让您的肌肤告别不适，迎来健康光彩。",
        "新的化妆趋势注重鲜艳的颜色和创新的技巧：进入化妆艺术的新纪元，本季的化妆趋势以大胆的颜色和创新的技巧为主。无论是霓虹眼线还是全息高光，每一款妆容都能让您脱颖而出，展现独特魅力。",
        "敏感肌のために特別に設計された天然有機スキンケア製品: アロエベラとカモミールのやさしい力で、自然の抱擁を感じてください。敏感肌用に特別に設計された私たちのスキンケア製品は、肌に優しく栄養を与え、保護します。肌トラブルにさようなら、輝く健康な肌にこんにちは。",
        "新しいメイクのトレンドは鮮やかな色と革新的な技術に焦点を当てています: 今シーズンのメイクアップトレンドは、大胆な色彩と革新的な技術に注目しています。ネオンアイライナーからホログラフィックハイライターまで、クリエイティビティを解き放ち、毎回ユニークなルックを演出しましょう。"
    ]
}

response = requests.post(url, headers=headers, json=data)

print(response.json())

const https = require('https');

const requestData = {
  model: "jina-reranker-v2-base-multilingual",
  query: "Organic skincare products for sensitive skin",
  top_n: 3,
  documents: [
    "Organic skincare for sensitive skin with aloe vera and chamomile: Imagine the soothing embrace of nature with our organic skincare range, crafted specifically for sensitive skin. Infused with the calming properties of aloe vera and chamomile, each product provides gentle nourishment and protection. Say goodbye to irritation and hello to a glowing, healthy complexion.",
    "New makeup trends focus on bold colors and innovative techniques: Step into the world of cutting-edge beauty with this seasons makeup trends. Bold, vibrant colors and groundbreaking techniques are redefining the art of makeup. From neon eyeliners to holographic highlighters, unleash your creativity and make a statement with every look.",
    "Bio-Hautpflege für empfindliche Haut mit Aloe Vera und Kamille: Erleben Sie die wohltuende Wirkung unserer Bio-Hautpflege, speziell für empfindliche Haut entwickelt. Mit den beruhigenden Eigenschaften von Aloe Vera und Kamille pflegen und schützen unsere Produkte Ihre Haut auf natürliche Weise. Verabschieden Sie sich von Hautirritationen und genießen Sie einen strahlenden Teint.",
    "Neue Make-up-Trends setzen auf kräftige Farben und innovative Techniken: Tauchen Sie ein in die Welt der modernen Schönheit mit den neuesten Make-up-Trends. Kräftige, lebendige Farben und innovative Techniken setzen neue Maßstäbe. Von auffälligen Eyelinern bis hin zu holografischen Highlightern – lassen Sie Ihrer Kreativität freien Lauf und setzen Sie jedes Mal ein Statement.",
    "Cuidado de la piel orgánico para piel sensible con aloe vera y manzanilla: Descubre el poder de la naturaleza con nuestra línea de cuidado de la piel orgánico, diseñada especialmente para pieles sensibles. Enriquecidos con aloe vera y manzanilla, estos productos ofrecen una hidratación y protección suave. Despídete de las irritaciones y saluda a una piel radiante y saludable.",
    "Las nuevas tendencias de maquillaje se centran en colores vivos y técnicas innovadoras: Entra en el fascinante mundo del maquillaje con las tendencias más actuales. Colores vivos y técnicas innovadoras están revolucionando el arte del maquillaje. Desde delineadores neón hasta iluminadores holográficos, desata tu creatividad y destaca en cada look.",
    "针对敏感肌专门设计的天然有机护肤产品：体验由芦荟和洋甘菊提取物带来的自然呵护。我们的护肤产品特别为敏感肌设计，温和滋润，保护您的肌肤不受刺激。让您的肌肤告别不适，迎来健康光彩。",
    "新的化妆趋势注重鲜艳的颜色和创新的技巧：进入化妆艺术的新纪元，本季的化妆趋势以大胆的颜色和创新的技巧为主。无论是霓虹眼线还是全息高光，每一款妆容都能让您脱颖而出，展现独特魅力。",
    "敏感肌のために特別に設計された天然有機スキンケア製品：アロエベラとカモミールのやさしい力で、自然の抱擁を感じてください。敏感肌用に特別に設計された私たちのスキンケア製品は、肌に優しく栄養を与え、保護します。肌トラブルにさようなら、輝く健康な肌にこんにちは。",
    "新しいメイクのトレンドは鮮やかな色と革新的な技術に焦点を当てています：今シーズンのメイクアップトレンドは、大胆な色彩と革新的な技術に注目しています。ネオンアイライナーからホログラフィックハイライターまで、クリエイティビティを解き放ち、毎回ユニークなルックを演出しましょう。"
  ]
};

const options = {
  hostname: 'aihubmix.com',
  port: 443,
  path: '/v1/rerank',
  method: 'POST',
  headers: {
    'Content-Type': 'application/json',
    'Authorization': 'Bearer sk-***' # AiHubMix 키로 교체
  }
};

const req = https.request(options, res => {
  let responseData = '';
  res.on('data', chunk => {
    responseData += chunk;
  });
  res.on('end', () => {
    console.log(responseData);
  });
});

req.write(JSON.stringify(requestData));
req.end();

딥서치

딥서치는 검색, 읽기, 추론 기능을 결합하여 최상의 답변을 추구합니다. OpenAI의 채팅 API 형식과 완벽하게 호환되므로 api.openai.com을 aihubmix.com으로 교체하기만 하면 시작할 수 있습니다.
스트림은 사고 과정을 반환합니다.

요청 매개변수

string

필수

모델 이름, 사용 가능한 모델:

jina-deepsearch-v1: 기본 모델, 최상의 답변을 찾을 때까지 검색, 읽기 및 추론

boolean

기본값:"true"

스트리밍 응답을 활성화할지 여부. 이 옵션을 활성화하는 것이 좋습니다. 딥서치 요청은 완료하는 데 시간이 오래 걸릴 수 있으며 스트리밍을 비활성화하면 ‘524 시간 초과’ 오류가 발생할 수 있습니다.

array

필수

사용자와 어시스턴트 간의 대화 메시지 목록. 텍스트(.txt, .pdf), 이미지(.png, .webp, .jpeg) 등 여러 유형(모달) 메시지를 지원합니다. 최대 파일 크기는 10MB입니다.

다중 모드 메시지 형식

딥서치는 순수 텍스트(메시지), 파일(파일), 이미지(이미지) 등 여러 유형의 메시지 형식을 지원합니다. 다음은 다양한 형식의 예입니다:

1. 순수 텍스트 메시지

{
  "role": "user",
  "content": "hi"
}

2. 파일 첨부가 있는 메시지

{
  "role": "user",
  "content": [
    {
      "type": "text",
      "text": "what's in this file?"
    },
    {
      "type": "file",
      "data": "data:application/pdf;base64,JVBERi0xLjQKJfbk...", // PDF 파일의 base64 인코딩
      "mimeType": "application/pdf"
    }
  ]
}

3. 이미지가 있는 메시지

{
  "role": "user",
  "content": [
    {
      "type": "text",
      "text": "what's in the image?"
    },
    {
      "type": "image",
      "image": "data:image/webp;base64,UklGRoDOAAB...", // 이미지의 base64 인코딩
      "mimeType": "image/webp"
    }
  ]
}

모든 파일과 이미지는 사전에 데이터 URI 형식(data URI)으로 인코딩해야 하며 최대 파일 크기는 10MB입니다.

호출 예제

공식 웹사이트의 Jina AI의 Python 스트리밍 호출에는 응답이 없습니다. 예제를 참조하십시오.

curl https://aihubmix.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-***" \
  -d @- <<EOFEOF
  {
    "model": "jina-deepsearch-v1",
    "messages": [
        {
            "role": "user",
            "content": "Hi!"
        },
        {
            "role": "assistant",
            "content": "Hi, how can I help you?"
        },
        {
            "role": "user",
            "content": "what's the latest blog post from jina ai?"
        }
    ],
    "stream": true
  }
EOFEOF

import requests
import json

url = 'https://aihubmix.com/v1/chat/completions'
headers = {
    'Content-Type': 'application/json',
    'Authorization': 'Bearer sk-***' # AiHubMix 키로 교체
}

data = {
    "model": "jina-deepsearch-v1",
    "messages": [
        {
            "role": "user",
            "content": "Hi!"
        },
        {
            "role": "assistant",
            "content": "Hi, how can I help you?"
        },
        {
            "role": "user",
            "content": "what's the latest blog post from jina ai?"
        }
    ],
    "stream": True
}

# 스트리밍 응답을 처리하기 위해 요청에 stream=True 사용
response = requests.post(url, headers=headers, json=data, stream=True)

# 요청이 성공했는지 확인
if response.status_code == 200:
    # 응답 내용을 한 줄씩 반복
    for line in response.iter_lines():
        if line:
            # 줄을 디코딩하고 인쇄 (SSE 형식 가정: "data: {...}")
            decoded_line = line.decode('utf-8')
            if decoded_line.startswith('data: '):
                # "data: [DONE]"과 같은 종료 신호 처리
                if decoded_line[len('data: '):].strip() == '[DONE]':
                    print("\n스트림이 완료되었습니다.")
                    break
                try:
                    # JSON 부분 추출
                    json_data = json.loads(decoded_line[len('data: '):])
                    # JSON 데이터 처리
                    if 'choices' in json_data and len(json_data['choices']) > 0:
                        delta = json_data['choices'][0].get('delta', {})
                        content_to_print = delta.get('content') or delta.get('reasoning_content') # 두 필드 모두 확인

                        if content_to_print:
                            print(content_to_print, end='', flush=True)
                except json.JSONDecodeError:
                    # "data: " 뒤에 유효한 JSON이 아닌 줄은 무시
                    # print(f"\n줄에서 JSON을 디코딩할 수 없습니다: {decoded_line}")
                    pass # 필요한 경우 비 JSON 데이터 줄을 선택적으로 기록하거나 처리
            # 필요한 경우 "data: "로 시작하지 않는 줄 처리
            # else:
            #    print(f"데이터가 아닌 줄 수신: {decoded_line}")

    print() # 끝에 줄 바꿈 추가
elif response.status_code == 401:
     print(f"오류: {response.status_code} - 권한 없음. API 키를 확인하십시오.")
     try:
         print(response.json())
     except json.JSONDecodeError:
         print(response.text)
else:
    print(f"오류: {response.status_code}")
    try:
        print(response.json()) # 가능한 경우 오류 세부 정보 인쇄
    except json.JSONDecodeError:
        print(response.text) # JSON이 아닌 경우 원시 텍스트 인쇄

const https = require('https');

const data = JSON.stringify({
  model: "jina-deepsearch-v1",
  messages: [
    {
      role: "user",
      content: "Hi!"
    },
    {
      role: "assistant",
      content: "Hi, how can I help you?"
    },
    {
      role: "user",
      content: "what's the latest blog post from jina ai?"
    }
  ],
  stream: true
});

const options = {
  hostname: 'aihubmix.com',
  path: '/v1/chat/completions',
  method: 'POST',
  headers: {
    'Content-Type': 'application/json',
    'Content-Length': data.length,
    'Authorization': 'Bearer sk-***' // AiHubMix 키로 교체
  }
};

const req = https.request(options, res => {
  console.log(`statusCode: ${res.statusCode}`);

  res.on('data', d => {
    process.stdout.write(d);
  });
});

req.on('error', error => {
  console.error(error);
});

req.write(data);
req.end();

응답 설명

딥서치의 응답은 기본적으로 스트리밍되며 중간 추론 단계와 최종 답변을 모두 포함합니다. 스트림의 마지막 블록에는 최종 응답, 방문한 URL 목록 및 토큰 사용 세부 정보가 포함됩니다. 스트리밍이 비활성화되면 최종 답변만 반환되고 중간 “사고” 단계는 생략됩니다. 참고: 이 JSON 객체는 Jina AI에서 사용하는 형식과 다릅니다.

{
  "id": "1745506101379",
  "object": "chat.completion.chunk",
  "created": 1745506101,
  "model": "jina-deepsearch-v1",
  "choices": [
    {
      "index": 0,
      "delta": {
        "role": "assistant",
        "reasoning_content": "<think>"
      }
    }
  ],
  "system_fingerprint": "fp_1745506101379"
}

// 스트리밍 이유
{
  "id": "1745506101379",
  "object": "chat.completion.chunk",
  "created": 1745506101,
  "model": "jina-deepsearch-v1",
  "choices": [
    {
      "index": 0,
      "delta": {
        "reasoning_content": "사고 부분"
      }
    }
  ],
  "system_fingerprint": "fp_1745506101379"
}

// 추론 완료
{
  "id": "1745506101379",
  "object": "chat.completion.chunk",
  "created": 1745506101,
  "model": "jina-deepsearch-v1",
  "choices": [
    {
      "index": 0,
      "delta": {
        "reasoning_content": "</think>\n\n"
      },
      "finish_reason": "thinking_end"
    }
  ],
  "system_fingerprint": "fp_1745506101379"
}

// URL이 포함된 최종 응답
{
  "id": "1745506101379",
  "object": "chat.completion.chunk",
  "created": 1745506101,
  "model": "jina-deepsearch-v1",
  "choices": [
    {
      "index": 0,
      "delta": {
        "content": "응답 내용",
        "type": "text",
        "annotations": [
          {
            "type": "url_citation",
            "url_citation": {
              "url": "https://example.com",
              "title": "페이지 제목",
              "start_index": 0,
              "end_index": 0
            }
          }
        ]
      },
      "finish_reason": "stop"
    }
  ],
  "system_fingerprint": "fp_1745506101379",
  "usage": {
    "prompt_tokens": 673423,
    "completion_tokens": 109286,
    "total_tokens": 583555
  }
}

data: [DONE]

Python 반환 예제:

Python

<think>최신 정보를 필요로 하는 Jina AI 블로그에서 가장 최근 게시물을 확인해야 합니다. Jina AI에서 최신 블로그 게시물을 찾아야 합니다. 검색 엔진을 사용하여 Jina AI 블로그를 찾은 다음 가장 최근 게시물을 식별하겠습니다. 더 많은 정보를 수집하기 위해 Jina AI의 최신 블로그 게시물을 검색해 보겠습니다. 좋습니다, 최신 Jina AI 블로그 게시물을 찾기 위해 몇 가지 쿼리를 만들었습니다. 먼저 지난 주에 업데이트된 Jina AI 블로그에 대한 일반적인 검색입니다. 그런 다음 DeepSearch 및 신경망 검색과 같은 특정 Jina AI 제품에 대한 집중적인 쿼리를 통해 지난 한 달 동안의 업데이트를 확인합니다. 또한 지난 한 달 동안의 임베딩 모델 및 API 업데이트에 대한 쿼리를 추가했습니다. 그리고 작년부터 Elasticsearch 통합에 대한 쿼리를 추가했습니다. 마지막으로 균형 잡힌 관점을 얻기 위해 Jina AI의 비판이나 한계에 대한 쿼리를 추가했습니다. 더 많은 정보를 수집하기 위해 https://jina.ai/news/a-practical-guide-to-implementing-deepsearch-deepresearch, https://jina.ai/news/auto-gpt-unmasked-hype-hard-truths-production-pitfalls, https://jinaai.cn/news/a-practical-guide-to-implementing-deepsearch-deepresearch, https://businesswire.com/news/home/20250220781575/en/Elasticsearch-Open-Inference-API-now-Supports-Jina-AI-Embeddings-and-Rerank-Model, https://gurufocus.com/news/2709507/elastic-nv-estc-enhances-elasticsearch-with-jina-ai-integration을 읽어보겠습니다. https://jina.ai/news/a-practical-guide-to-implementing-deepsearch-deepresearch의 내용은... [잘림]

더 나은 검색을 향한 끊임없는 추구는 우리가 혹독한 현실에 직면해야 함을 요구합니다. 크기는 중요하며 항상 좋은 방향으로만 작용하는 것은 아닙니다. 2025년 4월 16일에 발표된 Jina AI의 최신 블로그 게시물 "텍스트 임베딩의 크기 편향과 검색에 미치는 영향"은 이 문제를 정면으로 다룹니다. 이것은 단순한 콘텐츠가 아니라 텍스트 입력의 길이가 유사성 메트릭을 어떻게 왜곡하여 검색 시스템이 간결하고 정확한 일치 항목보다 장황하고 종종 관련 없는 문서를 선호하게 만드는지에 대한 비판적인 검토입니다.

왜 신경 써야 할까요? 정보 과부하 시대에 관련성이 왕이기 때문입니다. 우리는 데이터에 빠져 있고 검색 엔진은 우리의 구명 뗏목입니다. 그러나 그 뗏목이 순전히 양에 속기 쉬운 알고리즘에 의해 조종된다면 우리 모두는 배와 함께 가라앉을 것입니다.

이 게시물은 기계가 의미를 이해하고 비교할 수 있도록 하는 텍스트의 숫자 표현인 텍스트 임베딩의 메커니즘을 탐구할 가능성이 높습니다. 핵심 문제, Jina AI가 지적했듯이, 이러한 임베딩이 입력 텍스트의 길이에 영향을 받을 수 있다는 것이며, 이를 "크기 편향"이라고 합니다. 이는 더 긴 문서가 의미적으로 관련성이 거의 없더라도 더 짧고 집중된 문서보다 쿼리와 더 유사하게 보일 수 있음을 의미합니다.[^1]

그 의미를 진정으로 파악하려면 다음을 고려하십시오.

*   **크기 편향이란 무엇입니까?** 크기 편향은 텍스트 입력의 길이가 의미적 관련성과 관계없이 유사성에 어떻게 영향을 미치는지 나타냅니다. 검색 시스템이 쿼리에 대해 더 짧고 정확한 일치 항목 대신 길고 거의 관련 없는 문서를 반환하는 이유를 설명합니다. [^2]
*   **누가 영향을 받습니까?** 학술 논문을 샅샅이 뒤지는 연구원부터 고객에게 가장 관련성 높은 정보를 제공하려는 기업에 이르기까지 의미 검색에 의존하는 모든 사람은 크기 편향으로 인한 왜곡에 취약합니다.
*   **이 문제는 어디에서 나타납니까?** 이 문제는 특정 검색 엔진이나 플랫폼에 국한되지 않습니다. 많은 텍스트 임베딩 모델이 설계되고 구현되는 방식에 내재된 시스템적 문제입니다.
*   **이것이 언제 시급한 문제가 되었습니까?** 컨텍스트 창이 커지고 모델이 점점 더 큰 문서를 수집함에 따라 크기 편향 문제가 증폭됩니다.
*   **왜 이런 일이 발생합니까?** 이유는 복잡하지만 고차원 공간의 수학적 속성과 유사성이 계산되는 방식에 귀결됩니다. 더 긴 벡터는 의미적 정렬이 약하더라도 쿼리 벡터와 겹치는 "표면적"이 더 많습니다.
*   **어떻게 해결할 수 있습니까?** Jina AI의 블로그 게시물은 잠재적인 완화 전략을 탐구할 가능성이 높습니다. 여기에는 정규화 기술, 임베딩 모델의 아키텍처 수정 또는 길이 관련 왜곡에 덜 민감한 새로운 유사성 메트릭이 포함될 수 있습니다.

여기서 Jina AI의 작업은 학문적인 것만이 아닙니다. 실용적인 개입입니다. 크기 편향을 식별하고 분석함으로써 더 정확하고 신뢰할 수 있는 검색 기술의 길을 열고 있습니다. 이것은 정보 검색에서 콘텐츠 추천에 이르기까지 모든 것에 영향을 미치는 실제적인 의미를 갖습니다.

최신 블로그 게시물은 여기에서 찾을 수 있습니다: https://jina.ai/news

궁극적으로 텍스트 임베딩에 대한 불편한 진실에 맞서려는 Jina AI의 의지는 해당 분야를 발전시키려는 그들의 헌신에 대한 증거입니다. 진보는 더 크고 복잡한 모델을 구축하는 것뿐만 아니라 해당 모델의 뉘앙스와 한계를 이해하고 무엇보다 정확성과 관련성을 우선시하는 솔루션을 위해 노력하는 것임을 상기시켜 줍니다. 그리고 그것은 받아들일 가치가 있는 크기와 무관한 진실입니다.

[^1]: 크기 편향은 텍스트 입력의 길이가 의미적 관련성과 관계없이 유사성에 어떻게 영향을 미치는지 나타냅니다. 검색 시스템이 쿼리에 대해 더 짧고 정확한 일치 항목 대신 길고 거의 관련 없는 문서를 반환하는 이유를 설명합니다. [뉴스룸 - Jina AI](https://jina.ai/news)

[^2]: 크기 편향은 텍스트 입력의 길이가 의미적 관련성과 관계없이 유사성에 어떻게 영향을 미치는지 나타냅니다. 검색 시스템이 쿼리에 대해 더 짧고 정확한 일치 항목 대신 길고 거의 관련 없는 문서를 반환하는 이유를 설명합니다. [뉴스룸 - Jina AI](https://jina.ai/news?tag=tech-blog)
스트림이 완료되었습니다.

웹 검색 (Search)

Jina AI의 s.jina.ai를 기반으로, 쿼리를 전달하기만 하면 검색 결과 페이지(SERP)의 깔끔한 본문을 반환하여 LLM의 웹 연결 Q&A 및 RAG에 바로 사용할 수 있습니다. 엔드포인트는 GET과 POST를 모두 지원합니다.

응답 형식(기본값 markdown): 기본적으로 연결된 markdown 결과 목록을 반환하여 바로 LLM에 입력할 수 있습니다. 구조화된 데이터(각 결과의 title / url / content 및 usage)가 필요한 경우, 요청 헤더에 Accept: application/json을 추가하면 JSON을 반환합니다.

요청 매개변수

string

필수

쿼리 문자열. 코드에서 호출할 때는 먼저 URL 인코딩이 필요합니다.

integer

기본값:"5"

반환할 결과 개수의 상한. 실제 개수는 사용 가능한 결과 수에 따릅니다.

string

국가 / 지역 코드, 예: US.

string

인터페이스 언어, 예: en.

string

지정한 사이트 내로 검색을 제한합니다. 여러 번 전달할 수 있습니다, 예: site=jina.ai&site=github.com.

string

기본값:"markdown"

결과 본문 형식, markdown / html / text 중 하나.

string

이미지 유지 정책. none을 전달하면 이미지를 제거하여 토큰을 절약할 수 있습니다.

boolean

캐시를 건너뛰고 최신 결과를 가져옵니다.

또한 검색은 각 히트 결과에 대해 Reader를 호출하여 본문을 추출하므로, 「웹 리더 (Reader)」에 나열된 본문 형식을 제어하는 각종 X-* 요청 헤더는 검색 결과에도 동일하게 적용됩니다.

호출 예제

쿼리와 매개변수는 URL 쿼리 매개변수로 GET(권장, 가장 간결)을 통해 전달하거나, JSON 요청 본문으로 POST를 통해 전달할 수 있습니다. 둘 다 동일한 엔드포인트로 전송되며 동일한 결과를 반환합니다. 아래 예제는 기본적으로 Accept: application/json을 추가하여 JSON을 반환합니다. 이 헤더를 제거하면 깔끔한 markdown 결과 목록이 반환됩니다(첫 번째 Curl-markdown 예제 참조).

# Accept 헤더 없음 → 연결된 markdown 결과 목록을 반환
curl "https://aihubmix.com/v1/jina/search?q=AIHubMix&num=5&gl=US&hl=en" \
  -H "Authorization: Bearer sk-***"

curl "https://aihubmix.com/v1/jina/search?q=AIHubMix&num=5&gl=US&hl=en" \
  -H "Authorization: Bearer sk-***" \
  -H "Accept: application/json"

curl -X POST "https://aihubmix.com/v1/jina/search" \
  -H "Authorization: Bearer sk-***" \
  -H "Accept: application/json" \
  -H "Content-Type: application/json" \
  -d '{
    "q": "AIHubMix",
    "num": 5,
    "gl": "US",
    "hl": "en"
  }'

import requests

url = 'https://aihubmix.com/v1/jina/search'
headers = {
    'Authorization': 'Bearer sk-***',  # 본인의 AiHubMix 키로 교체하세요
    'Accept': 'application/json'
}
params = {'q': 'AIHubMix', 'num': 5, 'gl': 'US', 'hl': 'en'}

response = requests.get(url, headers=headers, params=params)
print(response.json())

const url = 'https://aihubmix.com/v1/jina/search?q=AIHubMix&num=5&gl=US&hl=en';

fetch(url, {
  method: 'GET',
  headers: {
    'Authorization': 'Bearer sk-***', // 본인의 AiHubMix 키로 교체하세요
    'Accept': 'application/json'
  }
})
  .then(res => res.json())
  .then(data => console.log(data))
  .catch(err => console.error(err));

응답 설명

기본값(Accept 없음)으로는 연결된 markdown 목록을 반환하며, 각 항목은 제목, 출처 링크, 설명(있는 경우), 본문 순으로 표시됩니다:

[1] Title: AIHubMix - One Interface, Router All LLMs
[1] URL Source: https://aihubmix.com/?lang=en
[1] Description: Access every major LLM through a single, unified interface. Connect to ChatGPT, Claude, Gemini, DeepSeek and more.
[1] Content:
If requests to http://aihubmix.com fail, you can try using a VPN, or switch to the alternative baseURL: https://api.inferera.com …

[2] Title: AI Models & Pricing - AIHubMix
[2] URL Source: https://aihubmix.com/models?lang=en
[2] Content:
…

Accept: application/json을 추가하면 구조화된 JSON을 반환합니다:

{
  "code": 200,
  "status": 200,
  "data": [
    {
      "title": "AIHubMix - One Interface, Router All LLMs",
      "url": "https://aihubmix.com/?lang=en",
      "content": "If requests to http://aihubmix.com fail, you can try using a VPN, or switch to the alternative …",
      "usage": { "tokens": 4244 }
    },
    {
      "title": "AI Models & Pricing - AIHubMix",
      "url": "https://aihubmix.com/models?lang=en",
      "content": "…",
      "usage": { "tokens": 4303 }
    }
  ]
}

data: 검색 결과 배열(개수는 num으로 제어. 위 예제는 5개를 반환하지만 여기서는 처음 2개만 표시. content는 전체 본문이며 예제에서는 잘림). 각 항목에 title, url, content, usage.tokens 포함.
과금: 각 결과의 usage.tokens 합계로 과금됩니다. Jina 공식은 검색 1회당 최소 10000 토큰부터 과금하므로, 최종적으로는 둘 중 큰 값, 즉 max(10000, 토큰 합계)로 과금됩니다.

웹 리더 (Reader)

Jina AI의 r.jina.ai를 기반으로, 임의의 URL을 전달하기만 하면 변환된 깔끔한 markdown 본문을 반환하여 웹 콘텐츠를 가져와 LLM에 입력하기에 편리합니다. 웹 페이지 외에도 이미지(비전 모델이 설명 생성)와 로컬 파일(PDF, Word / Excel / PPT, HTML, 이미지) 분석도 지원합니다.

응답 형식(기본값 markdown): 기본적으로 깔끔한 markdown 본문을 직접 반환하여 바로 LLM에 입력할 수 있습니다. usage 사용량과 title / url 등의 필드를 포함한 구조화된 JSON(본문은 data.content에 있음)이 필요한 경우, 요청 헤더에 Accept: application/json을 추가하세요.

요청 매개변수

string

필수

읽을 웹 주소. 엔드포인트 경로 끝에 직접 연결합니다, 예: /v1/jina/reader/https://jina.ai.

file

업로드할 로컬 파일. PDF, Word / Excel / PPT, HTML, 이미지를 지원하며, POST로 multipart/form-data로서 file 필드에 전달합니다.

string

HTML 파일을 업로드할 때 필수. 페이지 내 상대 링크를 해석하기 위한 참조 주소로 사용됩니다. PDF 업로드 시에는 필요 없습니다.

string

기본값:"markdown"

반환 형식, markdown / html / text / screenshot / pageshot 중 하나.

string

기본값:"all"

이미지 유지 정책, all / none(이미지를 제거하여 토큰 절약) / alt 중 하나.

string

기본값:"all"

링크 유지 정책, all / none / text 중 하나.

boolean

alt가 없는 이미지에 설명 텍스트를 자동 생성합니다.

boolean

본문 끝에 모든 링크를 요약합니다.

boolean

본문 끝에 모든 이미지를 요약합니다.

string

추출 엔진, browser / direct / cf-browser-rendering 중 하나.

string

CSS 선택자. 일치하는 페이지 영역만 추출합니다.

string

CSS 선택자. 일치하는 요소를 제거합니다(예: header, footer, nav).

integer

추출 타임아웃(초), 최대 180.

boolean

캐시를 건너뛰고 최신을 가져옵니다.

string

기본값:"atx"

markdown 제목 스타일, atx(#) / setext(밑줄) 중 하나.

string

markdown 글머리 기호, - / + / * 중 하나.

string

markdown 수평선 스타일, 예: ***.

string

markdown 링크 스타일, inlined / referenced / discarded 중 하나.

위 항목은 일반적인 것만 나열한 것입니다. Jina가 지원하는 모든 X-* 요청 헤더(전체 X-Md-* 계열 포함)와 POST 요청 본문 필드(스크립트 주입 injectPageScript 등)는 게이트웨이가 그대로 전달합니다. 전체 목록과 값은 Jina 공식 문서를 참조하세요.

다중 모드 입력 형식

Reader는 세 가지 입력을 지원합니다. 웹 페이지와 이미지는 엔드포인트 경로 끝에 직접 연결합니다(GET). 로컬 파일은 POST로 multipart/form-data로서 업로드합니다.

1. 웹 페이지 URL

GET /v1/jina/reader/https://example.com

2. 이미지 URL(시각적 설명 반환)

이미지 주소도 마찬가지로 경로 끝에 연결합니다. Reader는 비전 모델을 사용하여 이미지에 대한 설명(캡션, 축자 OCR 아님)을 생성하여 content에 넣습니다.

GET /v1/jina/reader/https://www.google.com/images/branding/googlelogo/2x/googlelogo_color_272x92dp.png

3. 로컬 파일 업로드(PDF / Word·Excel·PPT / HTML / 이미지)

POST /v1/jina/reader
Content-Type: multipart/form-data

file=@./doc.pdf              # 파일을 file 필드에 넣기
url=https://example.com/...  # HTML 업로드 시에만 필요. 상대 링크 해석용 참조 주소

호출 예제

기본적으로 markdown 본문을 직접 반환합니다. Accept: application/json을 추가하면 구조화된 JSON을 반환합니다. 선택적 매개변수는 X-* 요청 헤더로 전달하며, 게이트웨이가 모두 그대로 Jina로 전달합니다(전체 목록은 위 「요청 매개변수」 참조).

1. 웹 페이지 읽기

# Accept 없음 → 깔끔한 markdown 본문을 직접 반환
curl "https://aihubmix.com/v1/jina/reader/https://example.com" \
  -H "Authorization: Bearer sk-***"

# 여러 X-* 헤더를 조합, 모두 게이트웨이가 그대로 Jina로 전달:
#   이미지 제거로 토큰 절약 · #bodyContent 영역만 추출 · 끝에 링크 요약
curl "https://aihubmix.com/v1/jina/reader/https://en.wikipedia.org/wiki/Large_language_model" \
  -H "Authorization: Bearer sk-***" \
  -H "Accept: application/json" \
  -H "X-Retain-Images: none" \
  -H "X-Target-Selector: #bodyContent" \
  -H "X-With-Links-Summary: true"

curl "https://aihubmix.com/v1/jina/reader/https://example.com" \
  -H "Authorization: Bearer sk-***" \
  -H "Accept: application/json"

import requests

url = 'https://aihubmix.com/v1/jina/reader/https://example.com'
headers = {
    'Authorization': 'Bearer sk-***',  # 본인의 AiHubMix 키로 교체하세요
    'Accept': 'application/json'
}

response = requests.get(url, headers=headers)
print(response.json())

const url = 'https://aihubmix.com/v1/jina/reader/https://example.com';

fetch(url, {
  method: 'GET',
  headers: {
    'Authorization': 'Bearer sk-***', // 본인의 AiHubMix 키로 교체하세요
    'Accept': 'application/json'
  }
})
  .then(res => res.json())
  .then(data => console.log(data))
  .catch(err => console.error(err));

2. 이미지 읽기

Curl

curl "https://aihubmix.com/v1/jina/reader/https://www.google.com/images/branding/googlelogo/2x/googlelogo_color_272x92dp.png" \
  -H "Authorization: Bearer sk-***" \
  -H "Accept: application/json"

3. 로컬 파일 업로드

POST + multipart/form-data로 업로드합니다. HTML 업로드 시에는 참조 주소로 url 필드를 추가로 포함해야 합니다. 과금은 URL 읽기와 동일합니다.

curl -X POST "https://aihubmix.com/v1/jina/reader" \
  -H "Authorization: Bearer sk-***" \
  -H "Accept: application/json" \
  -F "file=@./doc.pdf"

curl -X POST "https://aihubmix.com/v1/jina/reader" \
  -H "Authorization: Bearer sk-***" \
  -H "Accept: application/json" \
  -F "file=@./local.html" \
  -F "url=https://example.com/local.html"

응답 설명

기본값(Accept 없음)으로는 markdown 본문을 직접 반환합니다(즉, 아래 JSON의 data.content 내용). 예를 들어 https://example.com을 읽는 경우:

This domain is for use in documentation examples without needing permission. Avoid use in operations.

[Learn more](https://iana.org/domains/example)

**Accept: application/json**을 추가하면 구조화된 JSON을 반환합니다. JSON 구조는 세 가지 입력 유형 모두 동일합니다: data는 title / url / content / usage.tokens를 포함하는 단일 객체입니다. 아래는 세 가지 입력 유형의 실제 반환입니다(content가 너무 길면 앞부분만 남기고 나머지는 …로 생략). ① 웹 페이지 읽기(https://example.com 읽기):

{
  "code": 200,
  "status": 20000,
  "data": {
    "title": "Example Domain",
    "url": "https://example.com/",
    "content": "This domain is for use in documentation examples without needing permission. Avoid use in operations.\n\n[Learn more](https://iana.org/domains/example)",
    "usage": { "tokens": 29 }
  }
}

② 이미지 읽기(content는 비전 모델이 생성한 설명):

{
  "code": 200,
  "status": 20000,
  "data": {
    "title": "googlelogo_color_272x92dp.png",
    "url": "https://www.google.com/images/branding/googlelogo/2x/googlelogo_color_272x92dp.png",
    "content": "The logo for Google, consisting of the word Google in lowercase letters, with its colors being blue, red, yellow, and green, representing the company's innovative approach to information and computing services",
    "usage": { "tokens": 38 }
  }
}

③ 로컬 파일 업로드(PDF 논문 업로드. content가 길어 앞부분만 표시):

{
  "code": 200,
  "status": 20000,
  "data": {
    "title": "Unnoticeable Backdoor Attacks on Graph Neural Networks",
    "url": "blob:df586d587956e0ca72e50e9e12dc06fc44b7c4b480b8a640a6db7d6f488a7c91",
    "content": "# Unnoticeable Backdoor Attacks on Graph Neural Networks\n\n# Enyan Dai ∗\n\nemd5759@psu.edu\n\nThe Pennsylvania State University\n\nState College, USA\n\n## ABSTRACT\n\nGraph Neural Networks (GNNs) have achieved promising results in various tasks such as node classification and graph classification. …",
    "usage": { "tokens": 20535 }
  }
}

status: Jina 업스트림이 반환하는 비즈니스 상태 코드. reader 성공 시 20000(외부 HTTP 200과 일치).
과금: data.usage.tokens(실제 출력 토큰 수)로 과금되며, 최소 과금액이 없습니다(검색의 「1회당 10000 토큰부터」와 다름). 내용이 극히 짧은 경우 최소 과금 단위를 하한으로 적용하므로 0원 과금은 발생하지 않습니다.

마지막 업데이트: 2026-07-03

​설명

​빠른 시작

​임베딩

​요청 매개변수

​1. 다중 모드 사용법

​2. 순수 텍스트 사용법

​재순위

​요청 매개변수

​1. 다중 모드 사용법

​응답 설명

​2. 텍스트 사용법

​딥서치

​요청 매개변수

​다중 모드 메시지 형식

​1. 순수 텍스트 메시지

​2. 파일 첨부가 있는 메시지

​3. 이미지가 있는 메시지

​호출 예제

​응답 설명

​웹 검색 (Search)

​요청 매개변수

​호출 예제

​응답 설명

​웹 리더 (Reader)

​요청 매개변수

​다중 모드 입력 형식

​1. 웹 페이지 URL

​2. 이미지 URL(시각적 설명 반환)

​3. 로컬 파일 업로드(PDF / Word·Excel·PPT / HTML / 이미지)

​호출 예제

​1. 웹 페이지 읽기

​2. 이미지 읽기

​3. 로컬 파일 업로드

​응답 설명

설명

빠른 시작

임베딩

요청 매개변수

1. 다중 모드 사용법

2. 순수 텍스트 사용법

재순위

요청 매개변수

1. 다중 모드 사용법

응답 설명

2. 텍스트 사용법

딥서치

요청 매개변수

다중 모드 메시지 형식

1. 순수 텍스트 메시지

2. 파일 첨부가 있는 메시지

3. 이미지가 있는 메시지

호출 예제

응답 설명

웹 검색 (Search)

요청 매개변수

호출 예제

응답 설명

웹 리더 (Reader)

요청 매개변수

다중 모드 입력 형식

1. 웹 페이지 URL

2. 이미지 URL(시각적 설명 반환)

3. 로컬 파일 업로드(PDF / Word·Excel·PPT / HTML / 이미지)

호출 예제

1. 웹 페이지 읽기

2. 이미지 읽기

3. 로컬 파일 업로드

응답 설명